基于最大似然的非数据辅助频偏估计算法

基于最大似然准则的非数据辅助(NDA)频偏估计算法,可适用于前馈型结构中,能方便的应用在全数字接收机的载波同步中.利用QPSK信号对其中比较典型的L＆R、Fitz和M＆M算法进行了计算机仿真验证,仿真结果表明:M＆M算法的估计范围大,而Fitz和L＆R算法的估计性能好.并为全数字接收机的载波同步实现提供了设计依据.     

某类分布参数MLE与Bayes估计相等的关系

为了在一个缩小的范围内探讨总体分布中的参数的任一经典估计都存在一个先验分布,使得其贝叶斯估计就是该经典估计这一命题的真伪,进行了多次试验,并通过试验法证明了某类单参数指数族分布中未知参数的最大似然估计,一定存在一个先验分布,使其贝叶斯估计就是该最大似然估计的结论．     

极化SAR图像的多纹理最大似然估计

提出了一种新的极化SAR图像相干斑抑制的方法。该方法在多纹理乘性相干斑噪声模型的假设下,采用最大似然估计法来同时估计多个极化通道的纹理参数。该方法保存了极化信息,消除了极化通道间的耦合,取得较好的相干斑抑制效果;并与极化白化滤波法(PWF)作了比较。     

极化SAR系统噪声影响分析

针对极化SAR系统噪声影响特点,提出从极化SAR图像分类精度及分类图人工解译角度评判系统噪声影响．利用DLR的E—SAR系统获取的单视全极化SAR数据进行实验,对极化SAR系统并行的3个线性极化HH、HV和VV通道加零均值等方差的高斯噪声,模拟雷达系统加性噪声对极化SAR数据的影响．实验结果表明,当图像分类精度降至未加噪声时分类精度的3／4时,加性噪声严重影响极化SAR系统性能．     

基于EM算法的联合调制识别与参数估计

针对低信噪比情况下单节点接收调制识别率低的问题,提出了一种基于多节点接收与混合最大似然的调制识别算法。多节点同步接收后将基带信号发送到融合中心,使用混合最大似然实现全局分类判决,通过空间分集提高低信噪比下调制识别的性能。为了解决联合似然函数中多维未知参数难以直接求解的问题,将未知发送符号序列表示成隐藏变量后采用EM算法实现未知参数的最大似然估计。给出的算法在平坦衰落信道下实现了BPSK、QPSK、8PSK、16QAM信号的调制识别与参数估计。与基于矩的算法相比,基于EM迭代的最大似然估计提高了未知参数的估计精度。仿真实验结果表明,当采用四节点同步接收,在信噪比大于-2dB时,平均正确识别率能够达到95%以上。     

一种导频与数据联合辅助的半盲信噪比估计算法

提出了一种新的适用于MPSK突发通信系统的半盲信噪比估计算法。基于EM算法结构,已知的导频符号和未知的数据符号被同时用于信噪比估计,在保证系统频谱效率的前提下,有效提升了估计性能。理论分析和仿真试验表明,该方法的性能优于仅使用导频符号的数据辅助估计方法,同时在较宽的信噪比范围内优于仅利用未知数据符号的最大似然方法、二阶四阶矩方法(M2M4)等其它经典的盲信噪比估计方法。     

非视距传播环境下的一种TDOA定位算法

各种基于移动台位置的服务急剧增加，导致提供定位业务成为无线网络发展的必然趋势。针对实际定位应用时常出现的非视距(NLOS)传输问题改进TDOA定位算法，其基本思路是将TDOA估计转化为两步最大似然线性估计，并加入松弛因子表示NLOS的影响，通过迭代方式逐步消除NLOS对定位的影响。该算法结构简单，计算量不大，仿真结果证实了其有效性。     

删失数据极大似然估计的大偏差上界

本文主要研究随机删失模型中参数的极大似然估计的大偏差上界,本文中不要求极大似然估计唯一存在.利用函数的连续模和Holder不等式等,给出了极大似然估计的大偏差上界和下紧的速率函数.     

极值分布在无失效数据下的修正极大似然估计

给出了修正似然函数重要参数的Bayes估计 ,并给出在无失效数据下极值分布参数的修正极大似然估计。     

极值分布在无失效数据下的修正极大似然估计

给出了修正似然函数重要参数的Ｂayes估计,并给出在无失效数据下极值分布参数的修正极大似然估计。     

MIS中数据融合的极大似然法

运用误差函数ｅｒｆ（θ）引入了管理信息系统（ＭＩＳ）中多传感器数据融合的融合度概念,通过建立起的置信距离矩阵、关系矩阵及极值原理,给出了数据融合的极大似然方法。     

无失效数据的统计分析研究

本文对无失效数据的统计分析问题进行了探讨。借助于Poisson过程中年龄分布的有关理论成果,导出了基于无失效数据的指数寿命分布参数λ所满足的近似似然方程,并进行了随机模拟计算。     

双参数指数分布无失效数据的新的修正极大似然估计

对双参数指数分布的无失效数据（ti,ni)给出了参数μ和σ的新的修正极大似然估计,从而可以得到无失效数据可靠度的估计。最后,结合实际问题进行了计算。     

The measure of mean cook distance under the contaminated error model

ＴｈｅｃｌａｓｓｉｃａｌｔｈｅｏｒｙｏｆａｄｊｕｓｔｍｅｎｔｉｓｂａｓｅｄｏｎｔｈｅｅｒｒｏｒｍｏｄｅｌｏｆＧａｕｓｓＭａｒｋｏｖ,ｔｈａｔｉｓ,ｔｈｅｓｕｒｖｅｙｉｎｇｅｒｒｏｒｉｓｏｃｃａｓｉｏｎａｌｅｒｒｏｒ．Ｈｏｗｅｖｅｒ,ｉｎｐｒａｃｔｉｃｅ,ｔｈｅｒｅｅｘｉｓｔｍｏｄｅｌｅｒｒｏｒｓ．Ｔｈｅｇｒｏｓｓｅｒｒｏｒｉｓｏｎｅｋｉｎｄｏｆｔｈｅｍｏｄｅｌｅｒｒｏｒｓ．Ｔｏｄｅｓｃｒｉｂｅｔｈｅｓｉｔｕａｔｉｏｎ,ｔｈｅｃｏｎｔａｍｉｎａｔｅｄｅｒｒｏｒｍｏｄｅｌｈａｓｂｅｅｎｐｒｅｓｅｎ…     

测量平差两类估计准则及精度比较

基于未知参数具有先验正态分布的Ｇ－Ｍ模型,谁了极大似然估计与Ｇ－Ｍ模型下的最小二乘估计、极大验后估计与广义最小二乘估计等价,证明了顾及未知参数的先验统计特性能获得精度更高的估值。     

BICM-OFDM中一种新型迭代信道估计算法

传统的信道估计与译码分开进行,信道估计可靠性不高.针对比特交织编码调制的OFDM系统(BICM-OFDM),提出了一种基于最大似然估计(ML)的信道估计算法,该算法联合译码进行迭代信道估计.利用比特交织编码调制(BICM)中迭代译码的软判决反馈信息,进行信道估计与译码之间的信息交换,实现了信道响应的逐符号更新.在短波宽带信道下的仿真结果表明,经过2次迭代,系统的误码率基本收敛.与传统ML等算法相比,该算法与理想信道估计性能相近.     

极大似然估计的稳健改进

本文介绍了稳健统计的概念和M估计的稳健方法.极大似然估计常常是参数估计的最有效的方法,同时,极大似然估计常常是没有定量的稳健性,本文应用了M一估计对极大似然估计的稳健性进行了改进.